基于word2vec和双向LSTM的情感分类深度模型

• 作者: 刘小洋 刘广峰 阳安志 黄贤英
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 情感分析 双向长短时记忆循环神经网络 词向量 社交网络
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3583-3587,3596
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.08.0599

摘要

针对社交网络文本传统情感分类模型存在先验知识依赖以及语义理解不足的问题,提出一种基于word2vec和双向长短时记忆循环神经网络的情感分类模型—WEEF-BILSTM.采用基于CBOW(continuousbag-of-words)方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,通过双向LSTM神经网络获取更为完整的文本上下文信息从而提取出深度词向量特征,继而使用one-versus-one SVM对其进行情感分类.实验结果表明,提出的WEEF-BILSTM模型较其他模型分类效果更好,能达到更优的准确率和F值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄贤英	重庆理工大学计算机科学与工程学院	95	349	9.0	14.0
2	阳安志	重庆理工大学计算机科学与工程学院	4	4	1.0	1.0
3	刘广峰	重庆理工大学计算机科学与工程学院	5	4	1.0	1.0